Die Erfindung betrifft ein computerimplementiertes Verfahren zur Optimierung einer Ermittlung von Messdaten eines Objekts.

Bei der Produktion von Objekten, wie z. B. Bauteilen bzw. Werkstücken, werden die Objekte ge mäß einer Nominalgeometrie hergestellt. Allerdings führen Fertigungstoleranzen und Ungenau igkeiten bei der Produktion dazu, dass die Objekte von der Nominalgeometrie abweichen und in ihrem Inneren Defekte aufweisen können. Daher werden die Objekte entweder stichprobenartig oder generell geprüft. Eine Prüfung der produzierten Objekte kann mittels einer Messung der Objekte durchgeführt werden, um z. B. zu erfassen, ob die Maße des gemessenen Objekts in nerhalb des Fertigungstoleranzen liegen.

Die Messung kann dabei berührungslos durchgeführt werden, indem bildverarbeitende Verfah ren verwendet werden. Weiter kann z. B. mit durchstrahlenden Messungen das Innere des Ob jekts untersucht werden. Bei derartigen Messungen werden regelmäßig meist recht generische bzw. unspezifische Aufnahmeparameter bei der Aufnahme der Messdaten und Auswertealgo rithmen bei der Auswertung der Messdaten verwendet, obwohl sich Messaufgaben, z. B. Geo metrie und Material des Messobjekts und die durchzuführenden Messaufgaben inkl. der rele vanten Toleranzen, stark voneinander unterscheiden. Stattdessen werden die generischen bzw. unspezifischen Aufnahmeparameter für eine große Bandbreite an unterschiedlichen Messauf gaben verwendet. Dabei ist die Vorgabe, dass diese Aufnahmeparameter für alle durchzufüh renden Messaufgaben möglichst gute Ergebnisse erreichen.

Aufgabe der Erfindung ist es, ein computerimplementiertes Verfahren bereitzustellen, das bes sere Ergebnisse für die durchzuführenden Messaufgaben erreicht.

Hauptmerkmale der Erfindung sind in den Ansprüchen 1 und 15 angegeben. Ausgestaltungen sind Gegenstand der Ansprüche 2 bis 14.

Die Erfindung betrifft in einem Aspekt ein computerimplementiertes Verfahren zur Optimierung einer Ermittlung von Messdaten eines Objekts, wobei die Messdaten auf zu analysierende geo metrische Eigenschaften des Objekts ausgewertet werden, wobei die Messdaten mittels einer Messung des Objekts unter Verwendung mindestens eines Aufnahmeparameters ermittelt wer den, wobei der mindestens eine Aufnahmeparameter mindestens eine Messgeometrie und/oder mindestens eine Einstelloptionen für die Messung umfasst, wobei das Verfahren die folgenden Schritte aufweist: Ermitteln mindestens einer Messaufgabe für das Objekt, wobei die Messauf gabe mittels eines Auswerteverfahrens durchgeführt wird und die zu analysierenden geometri schen Eigenschaften des Objekts festlegt; Optimieren des mindestens einen Aufnahmeparame ters für die mindestens eine Messaufgabe zur Optimierung der Ermittlung von Messdaten; Er mitteln der Messdaten für das Objekt mittels einer Messung unter Verwendung des mindestens einen optimierten Aufnahmeparameters; und Durchführen der mindestens einen Messaufgabe für das Objekt auf Basis der ermittelten Messdaten.

Mit der Erfindung werden die Aufnahmeparameter aufgabenspezifisch optimiert, bevor eine Messung des Objekts durchgeführt wird. Dies bewirkt weiter eine Optimierung der Auswertever fahren zur Durchführung der Messaufgabe. Für jede Messaufgabe wird damit zunächst ein ei gener Aufnahmeparameter ermittelt, der spezifisch für diese Messaufgabe optimiert wird. Es kann zum Beispiel eine von den Aufnahmeparametern umfasste Trajektorie, die eine Messvor richtung zur Messung des Objekts verwendet, so ausgestaltet werden, dass sie optimal für diese Messaufgabe ausgestaltet ist. Dies kann zum Beispiel bedeuten, dass die für die Mess aufgabe relevanten Geometrien des Objekts lediglich mit einer Genauigkeit aufgenommen wer den, die gerade ausreichend für eine aussagekräftige und dennoch schnelle Auswertung ist. Anstatt Messdaten mit maximaler Auflösung zu ermitteln kann dabei zum Beispiel, ggf. lokal, eine geringere Auflösung verwendet werden, wenn das zugrundeliegende Auswerteverfahren mit der geringeren Auflösung näherungsweise gleich gute Ergebnisse liefert, wie mit der hohen Auflösung. In diesem Fall kann, da eine höhere Auflösung in der Regel zeitintensiver ist, eine Zeitersparnis für die Ermittlung der Messdaten erreicht werden. Weiter können die von den Auf nahmeparametern umfassten Einstelloptionen, mit denen die Eigenschaften der Vorrichtung zur Messung des Objekts verändert werden können, auf die Messaufgabe optimiert werden. So kann zum Beispiel die Vorrichtung zur Messung des Objekts so eingestellt werden, dass die Geometrien, die für die Messaufgabe relevant sind, mit einer gerade für die Messaufgabe aus reichenden Genauigkeit abgebildet werden. Dies bewirkt eine weitere Zeitoptimierung der Er mittlung von Messdaten des Objekts, ohne große Einbußen bei der Aussagekraft der Ergeb nisse des Auswerteverfahrens. Es findet damit zunächst eine Optimierung der Aufnahmepara meter statt, um die ermittelten Messdaten möglichst optimal auf die Messaufgabe anzupassen. Dabei ist zu berücksichtigen, dass die Optimierung der Aufnahmeparameter nicht unbedingt meint, dass die ermittelten Messdaten die beste Qualität haben. Vielmehr zielt die Optimierung der Aufnahmeparameter darauf ab, die Aufnahmeparameter so zu wählen, dass die Messdaten, die basierend auf den Aufnahmeparametern aufgenommen werden, gerade so eine Mindest qualität aufweisen, um aussagekräftige Ergebnisse mittels des der Optimierung der Aufnahme parameter zugrundeliegenden Auswerteverfahrens zu erhalten. Dies kann zum Beispiel bedeu ten, dass Aufnahmeparameter gesucht werden, mit denen die Messaufgabe mit der geforderten Genauigkeit in der kürzesten Zeit und/oder mit der geringsten Anzahl von Messgeometrien durchgeführt werden kann. Damit sei jedoch nicht ausgeschlossen, dass auch Aufnahmepara meter gesucht werden können, mit denen die Messaufgabe in einer definierten Zeit und/oder mit einer definierten Anzahl von Messgeometrien mit der höchsten Genauigkeit durchgeführt werden können. Wenn durchstrahlende Messungen, zum Beispiel mit Röntgenstrahlung, durch geführt werden, können die optimierten Aufnahmeparameter alternativ oder zusätzlich eine Mi nimierung der verwendeten Strahlendosis bewirken. Es sind jedoch auch Kombinationen dieser Ziele möglich. Nach der Optimierung der Aufnahmeparameter wird mittels einer Vorrichtung zur Messung des Objekts eine Messung des Objekts durchgeführt. Die auf diese Weise ermittelten Messdaten werden danach von einem Auswerteverfahren zum Auswerten der geometrischen Eigenschaften des Objekts verwendet. Das computerimplementierte Verfahren bewirkt verbes serte Ergebnisse für die durchzuführenden Messaufgaben. Weitere Vorteile bewirkt die Erfin dung, wenn eine Vielzahl von Objekten mit gleicher Nominalgeometrie, die hinsichtlich der glei chen Merkmale geprüft werden, der sogenannten Messaufgabe, sehr häufig analysiert werden. Dies ist beispielsweise bei einer fertigungsbegleitenden Inline-Prüfung der Fall, bei der mit der Erfindung eine große Zeitersparnis bei verbesserten Ergebnissen für die durchzuführenden Messaufgaben bewirkt wird. Die gleiche Messaufgabe mit den gleichen Toleranzvorgaben kann somit in einer geringeren Zeit durchgeführt werden. Dies spart wertvolle Maschinenzeit bzw. er höht die Maschinenkapazität. Eine Optimierung kann zum Beispiel weiter bedeuten, dass ein wissensbasiertes System oder eine künstliche Intelligenz anhand der Messaufgaben bestimmte Aufnahmeparameter vor schlägt. Dabei können auch Simulationen, die die Aufnahmeparameter verwenden, durchge führt werden, um die Optimierung zu beurteilen. Dabei kann zum Beispiel ein erstes Auswerte verfahren die Messdaten aufwerten und die Ergebnisse der Auswertung mit Referenzwerten vergleichen, die zum Beispiel eine Ground Truth, die aus der simulierten Geometrie abgeleitet wurden, sein können. Aus dieser Auswertung kann zum Beispiel ein typischer Messfehler für die Ermittlung der Messdaten abgeleitet werden, der für die Beurteilung der Aufnahmeparame ter verwendet werden kann. Das Auswerteverfahren, das hierfür verwendet wird, kann bereits mit optimierten Aufnahmeparametern Arbeiten oder selbst mittels der optimierten Aufnahmepa rameter dahingehend optimiert worden sein, dass Messdaten mit geringer Qualität, zum Bei spiel, wenn eine geringe Anzahl von Messgeometrien verwendet wurde, möglichst gute bzw. stabile Ergebnisse erreicht. Dabei können beispielsweise weiter andere Verfahren verwendet werden, die keine Simulationen verwenden und die Optimierung auf Grundlage eines vorläufi gen Auswerteverfahrens ausführen.

Die Messaufgabe kann eine oder mehrere Analysen umfassen bzw. benötigen. Beispiele für die Analysen können sein: eine Defektanalyse in 3D oder 2D; eine Einschlussanalyse in 3D oder 2D; eine Oberflächen- bzw. Grenzflächenbestimmung, die beispielsweise für eine Analyse aus dem Gebiet dimensioneile Messtechnik verwendet wird, wobei eine Grenzfläche auch eine Oberfläche, die einen Übergang von Material zu Luft begrenzt, sein kann und eine Grenzfläche zwischen zwei Materialien des Messobjekts analysiert wird, z. B. bei Multimaterial-Objekten; eine Analyse von geometrischen Eigenschaften wie Maß, Form, Lage, Welligkeit oder Rauheit; eine Analyse von Fasern bzw. Faserstrukturen, sowohl geometrischer Eigenschaften von Fa sern, die einzeln segmentiert werden können, als auch Analysen von Fasern, deren Durchmes ser unter der Auflösungsgrenze des Messsystems sind, die als Verbund aber noch z. B. bzgl. ihrer Orientierung analysiert werden können; eine Analyse von Eigenschaften von Pulvern z. B. Durchmesser, Volumen, Oberfläche von Körnern; eine Identifizierung von Fehlerbildern jegli cher Art, z. B. unaufgeschmolzenes Pulver in der additiven Fertigung oder Risse, und/oder eine Analyse jeglicher Materialeigenschaften z. B. Dichte.

Weiterhin können mehrere Aufnahmeparameter hinsichtlich mehrerer Analysen gleichzeitig op timiertwerden.

Die Messaufgabe kann auch für Multimaterial-Objekte definiert sein, was insbesondere vorteil haft für die Grenzflächenbestimmung ist, da gemäß dem Stand der Technik diese erschwert ist. Die Messaufgabe kann auf definierten Teilbereichen des Objekts definiert sein, so dass die Analysen nur dort durchgeführt werden müssen. In diesem Fall kann es für die Optimierung auch sinnvoll sein, sich auf diese Bereiche zu beschränken bzw. diese zu bevorzugen.

Bei einer axialen Computertomographie werden Projektionen in äquidistanten Winkel sch ritten aufgenommen, wobei für alle Projektionen die gleichen Einstelloptionen gewählt werden. In die sem Beispiel können somit z. B. folgende, ggf. globale, Aufnahmeparametern optimiert werden: Anzahl der Projektionen, Orientierung des Bauteils bzgl. der Aufnahmegeometrie bzw. Strahlen gang, geometrische Vergrößerung, Einstelloptionen wie Röhrenspannung, Röhrenstrom, Be lichtungszeit. Dies hat den Vorteil, dass nur eine geringe Anzahl von Aufnahmeparametern opti miert werden muss.

Im Beispiel der Roboter-Computertomographie, in denen die Messgeometrien als Durchstrah lungsgeometrien frei gewählt werden können, können diese Aufnahmeparameter quasi für jede Projektion einzeln optimiert werden. Dabei werden zusätzlich die Durchstrahlungsgeometrien der einzelnen Projektionen und die Anzahl der Projektionen optimiert. Dies ermöglicht mehr Möglichkeiten für die Optimierung, erhöht aber aufgrund der größeren Anzahl der Aufnahmepa rameter auch den benötigten Aufwand.

Die Messung kann z. B. eine optische Messung, wie z. B. eine Streifenprojektion oder Photo grammetrie, oder eine durchstrahlende Messung, wie z. B. eine Computertomographie, Radio graphie oder Ultraschallmessung, oder einen taktilen Sensor z. B. mit Hilfe eines Tasters um fassen.

Die Messgeometrie kann im Fall der optischen Messungen z. B. die Betrachtungsrichtung eines optischen Sensors in Bezug auf das gemessene Objekt beschreiben. Im Fall einer durchstrah lenden Messung kann die Messgeometrie eine Durchstrahlungsgeometrie sein, die das räumli che Verhältnis zwischen der Strahlungsquelle, dem Objekt und dem Strahlungsdetektor be schreibt. Die Messgeometrie beschreibt in diesem Fall die Richtung, in der das Objekt durch strahlt wird, aber auch die Position des durchstrahlten Bereichs und die Vergrößerung. Be schreiben lässt sich dies mit Hilfe von neun geometrischen Freiheitsgraden: für die Translation jeweils drei Freiheitsgrade für die Strahlungsquelle und den Strahlungsdetektor und für die Ro tation drei Freiheitsgrade für den Strahlungsdetektor. Eine Durchstrahlungsgeometrie kann bzgl. des gemessenen Objekts und/oder bzgl. der Vorrichtung zur Messung des Objekts defi niert sein. Im Fall einer taktilen Messung kann die Messgeometrie z. B. die Antastrichtung oder die Ausrichtung des zu messenden Objekts im Messvolumen beschreiben. Die Messung eines Objekts kann dabei im Fall einer durchstrahlenden Messung die Aufnahme einzelner oder mehrerer Durchstrahlungsbilder bzw. Projektionen des Objekts bedeuten. Im Fall einer optischen Messung kann eine Messung eines Objekts die Aufnahme einzelner oder meh rerer Bilder des Objekts mit einer Messkamera bzw. einem optischen Sensor bedeuten. Im Fall eines taktilen Sensors kann eine Messung eines Objekts die Erfassung einzelner oder mehrerer Messpunkte an dem Objekt bedeuten.

Einstelloptionen können im Fall von Computertomographie z. B. Spannung und Strom einer Röntgenröhre oder die Belichtungszeit sein, die sich auch bezüglich der einzelnen Durchstrah lungsbilder unterscheiden können. Im Fall von Photogrammetrie kann eine Einstelloption eine Belichtungszeit einer Kamera sein. Im Fall von Streifenprojektion kann eine Einstelloption zu sätzlich z. B. ein auf das zu messende Objekt projizierte Muster sein. Im Fall eines taktilen Sen sors kann eine Einstelloption z. B. eine Antastkraft sein.

Für die Durchführung einer Messung mit optimierten Messgeometrien bzw. Aufnahmeparame tern kann das Objekt z. B. in einer entsprechenden Halterung platziert werden, die eine defi nierte Pose des Objekts sicherstellt. Alternativ oder zusätzlich kann aus den zuerst ermittelten Messdaten die Pose des Objekts ermittelt werden und entsprechend von der Vorrichtung zur Messung des Objekts die gewünschten Durchstrahlungsgeometrien angefahren werden. Damit wird sichergestellt, dass die Messdaten des Objekts mit den gewünschten Messgeometrien auf genommen werden.

Gemäß einem Beispiel kann der Schritt: Optimieren des mindestens einen Aufnahmeparame ters für die mindestens eine Messaufgabe, weiter den folgenden Unterschritt aufweisen: Bereit stellen eines Satzes vordefinierter Messgeometrien; Auswählen einer Untermenge des Satzes vordefinierter Messgeometrien basierend auf der Messaufgabe.

Mit dem Satz vordefinierter Messgeometrien können, insbesondere bei einer durchstrahlenden Messung, Messgeometrien ausgewählt werden, die für das betrachtete Objekt und in Bezug auf das der Optimierung der Aufnahmeparameter zu Grunde liegende Auswerteverfahren voraus sichtlich passende Aufnahmeparameter aufweist. Damit kann die Optimierung der Aufnahmepa rameter beschleunigt werden, da bereits die anfangs für die Optimierung verwendeten Aufnah meparameter günstig sind. Weiterhin können dies Messgeometrien sein, für welche die Mess vorrichtung bereits eingemessen bzw. kalibriert ist, so dass unter Verwendung dieser Messgeo metrien eine erhöhte Genauigkeit der Messergebnisse ermöglicht. Dabei können beispielsweise Messgeometrien ausgelassen werden, die für das Auswertever fahren nicht relevant sind. Alternativ oder zusätzlich kann z. B. die kleinste Anzahl bzw. Unter menge der bestehenden Messgeometrien ausgesucht werden, bei denen die Messaufgabe noch erfüllt werden kann.

Gemäß einem anderen Beispiel kann das Verfahren nach dem Schritt Ermitteln der Messdaten für das Objekt weiter den nachfolgenden Schritt aufweisen: Ermitteln einer digitalen dreidimen sionalen Objektdarstellung aus den Messdaten; wobei der Schritt Durchführen der mindestens einen Messaufgabe den nachfolgenden Unterschritt aufweist: Analysieren der digitalen Objekt darstellung auf Basis der Messaufgabe.

Dies kann bei einer durchstrahlenden Messung in Form einer Computertomographie eine Re konstruktion der Volumendaten aus Projektionsdaten bzw. Durchstrahlungsbildern sein. Im Zu sammenhang mit den Unterschritten Bereitstellen eines Satzes vordefinierter Messgeometrien und Auswählen einer Untermenge des Satzes vordefinierter Messgeometrien basierend auf der Messaufgabe können die optimierten Messgeometrien abhängig von der Messaufgabe äqui distant oder nicht-äquidistant sein. Eine äquidistante Messgeometrie kann z. B. für eine axiale Computertomographie vorteilhaft sein, da dann die weiter verbreitete gefilterte Rückprojektion weiterhin für eine Rekonstruktion von der digitalen dreidimensionalen Objektdarstellung, soge nannten Volumendaten, genutzt werden kann. Nicht-äquidistante Messgeometrien können ver wendet werden, wenn z. B. ein iterativer Algorithmus die Volumendaten rekonstruiert. Die Ein stelloptionen der einzelnen Messgeometrien werden dabei typischerweise konstant gelassen bzw. nicht variiert.

Bei einer optischen Messung kann die dreidimensionale Objektdarstellung eine Darstellung der Oberfläche bzw. einer Grenzfläche des Objekts sein, welche anhand der von der Messkamera aufgenommenen Bilder errechnet wird.

Weiter kann der Schritt Optimieren des mindestens einen Aufnahmeparameters mittels mindes tens einer simulierten durchstrahlenden Messung des Objekts durchgeführt werden.

In diesem Beispiel wird eine Durchstrahlung einer Geometrie mit definierten Aufnahmeparame tern nachgebildet. Ergebnis sind meist virtuelle Durchstrahlungsbilder, die mit den bei den rea len durchstrahlenden Messungen verwendeten Verfahren, z. B. einer Rekonstruktion und/oder Auswerteverfahren ausgewertet werden können. Eine solche Durchstrahlungssimulation kann z. B. auf Ray-Tracing, auf Monte-Carlo-Methoden basieren oder auf einer Bild-basierten Vor wärtsprojektion beruhen. Die Messaufgabe kann zum Beispiel mindestens eine Defektanalyse zur Ermittlung und Ana lyse von möglichen Defekten im Objekt umfassen, wobei die Messung als eine durchstrahlen dende Messung durchgeführt wird.

Weiter können für jede der Analysen jeweils Mindestanforderungen für die Analysen bzw. für die Analyseergebnisse definiert sein, die mit dem optimierten Aufnahmeparameter noch erreicht werden müssen. Es kann beispielsweise eine Mindestgenauigkeit definiert sein, mit der ein geo metrischer Parameter ermittelbar sein muss. Ein weiteres Beispiel kann eine Mindestsicherheit sein, mit der eine kritische Eigenschaft im Objekt ermittelbar sein muss.

Weiter kann der Schritt Optimieren des mindestens einen Aufnahmeparameters für die mindes tens eine Messaufgabe zum Beispiel weiter mindestens einen der nachfolgenden Unterschritte aufweisen, wobei die Messung eine durchstrahlende Messung ist: Ändern des mindestens ei nen Aufnahmeparameters bis jeder Defekt im Objekt, der eine vordefinierte Mindestgröße auf weist, mit einer Wahrscheinlichkeit erkannt wird, die innerhalb eines vordefinierten Wahrschein lichkeitsintervalls für Defekte liegt; Ändern des mindestens einen Aufnahmeparameters bis geo metrische Parameter der Defekte im Objekt mit einer Wahrscheinlichkeit, die innerhalb eines vordefinierten Wahrscheinlichkeitsintervalls für geometrische Parameter liegt, mit einer vordefi nierten Mindestgenauigkeit für Defekte ermittelt werden.

Da eine Wahrscheinlichkeit, dass alle Defekte erkannt werden, bisher nicht 100% erreichen kann, können in diesem Beispiel Wahrscheinlichkeitsintervalle angegeben werden, in denen die Wahrscheinlichkeit, dass jeder Defekt im Objekt erkannt wurde, liegen muss. Das Wahrschein lichkeitsintervall kann so definiert sein, dass beispielsweise ein Defekt der definierten Größe zu 95 %, d. h. z. B. bei 19 von 20 Messungen, entdeckt werden muss. Dies wird dann als sicher angesehen.

Die Mindestgröße kann lokal, ggf. variierend, definiert sein. Zur Beurteilung, ob bei gegebenen, ggf. optimierten, Aufnahmeparametern Defekte der entsprechenden Mindestgröße sicher identi fiziert werden können, können beispielsweise reale und/oder simulierte Testmessungen durch geführt werden. Daraus kann mit Hilfe von Monte-Carlo-Methoden die Wahrscheinlichkeit ermit telt werden, dass Defekte an einer definierten Stelle und einer definierten Größe identifiziert werden. Bei simulierten Messungen kann die Eingangsgeometrie der Simulation bzw. der simu lierten Defekte als Referenz bzw. Ground Truth verwendet werden. Weiter kann dies anhand von Eigenschaften der Volumendaten, z. B. Rauschlevel und Auflösung, ermittelt werden. Je größer das Rauschlevel und je schlechter die Auflösung ist, desto unwahrscheinlicher wird es, kleine Defekte korrekt zu identifizieren. In einem weiteren Beispiel kann das Auswerteverfahren. beispielsweise ein künstliches neuronales Netz, trainieren werden, selbst eine entsprechende Vorhersage der Zuverlässigkeit der Analyseergebnisse zu treffen.

Weiter kann die Messaufgabe beispielsweise mindestens eine Bestimmung einer Grenzfläche des Objekts aufweisen.

Weiter können für die Bestimmung der Grenzfläche des Objekts jeweils Mindestanforderungen definiert sein, die mit dem optimierten Aufnahmeparameter noch erreicht werden müssen. Es kann beispielsweise eine Mindestgenauigkeit für die Bestimmung der Grenzfläche bzw. deren Position definiert sein. Ein weiteres Beispiel kann eine Mindestsicherheit sein, mit der die Grenzfläche ermittelbar bzw. identifizierbar sein muss.

Bei allen oben genannten Beispielen kann alternativ oder zusätzlich eine Analyse von Eigen schaften von Fasern oder Faserstrukturen im Objekt durchgeführt werden.

Der Schritt Optimieren des mindestens einen Aufnahmeparameters für die mindestens eine Messaufgabe kann gemäß einem anderen Beispiel weiter mindestens einen der nachfolgenden Unterschritte aufweisen: Ändern des mindestens einen Aufnahmeparameters bis Grenzflächen im Objekt mit einer Wahrscheinlichkeit, die innerhalb eines vordefinierten Wahrscheinlichkeitsin tervalls für Grenzflächen liegt, mit einer vordefinierten Mindestgenauigkeit für die Grenzflächen ermittelt werden.

Die Mindestgenauigkeit kann auch für Grenzflächen definiert sein. Da wie oben bereits erläutert eine Wahrscheinlichkeit bisher nicht 100% erreichen kann, können in diesem Beispiel Wahr scheinlichkeitsintervalle angegeben werden, in denen die Wahrscheinlichkeit, dass jede Grenz fläche im Objekt mit einer vordefinierten Mindestgenauigkeit ermittelt wurde, liegen muss. Das Wahrscheinlichkeitsintervall kann so definiert sein, dass beispielsweise in einem betrachteten Grenzflächenbereich die wahre Grenzfläche zu 95 %, d. h. z. B. bei 19 von 20 Messungen höchstens mit einem Wert, der der Mindestgenauigkeit entspricht, entfernt von der ermittelten Grenzfläche liegt. Dies wird dann als sicher angesehen. Die Mindestgenauigkeit kann lokal, ggf. variierend, definiert sein.

Zur Beurteilung, wie genau bei gegebenen, ggf. optimierten, Aufnahmeparametern die lokalen Genauigkeiten der Grenzflächen ermittelt werden können, können beispielsweise reale und/o der simulierte Testmessungen durchgeführt werden. Daraus kann mit Hilfe von Monte-Carlo- Methoden die Wahrscheinlichkeit ermittelt werden, dass lokale Genauigkeit an einer definierten Stelle und einer definierten Größe identifiziert werden. Bei simulierten Messungen kann die Ein gangsgeometrie der Simulation bzw. der simulierten lokalen Genauigkeit als Referenz bzw. Ground Truth verwendet werden. Weiter kann dies anhand von Eigenschaften der Volumenda ten, z. B. Rauschlevel und Auflösung, ermittelt werden. Je größer das Rauschlevel ist, desto ge ringer ist die lokale Genauigkeit der Grenzfläche. Bei einer schlechten Auflösung wird die Ge nauigkeit in Grenzflächenbereichen von kleinen Strukturen beeinträchtigt. In einem weiteren Beispiel kann das Auswerteverfahren, beispielsweise ein künstliches neuronales Netz, trainiert werden, selbst eine entsprechende Vorhersage der Zuverlässigkeit der Analyseergebnisse zu treffen.

Geometrische Parameter können z. B. das Defektvolumen oder der, ggf. zu einer Kugel glei chen Volumens äquivalente, Durchmesser eines Defekts sein.

Die Mindestgenauigkeit kann auch für Defekte einer bestimmten Größe definiert sein, z. B. als ein Volumen von Defekten aus dem Bereich 200 pm ³ bis 300 pm ³ , das auf 10 % genau ermittel bar sein soll. Da wie oben bereits erläutert eine Wahrscheinlichkeit bisher nicht 100% erreichen kann, können entsprechende Wahrscheinlichkeitsintervalle definiert werden, z. B. das in 95 % bzw. 19 von 20 Fällen die Messabweichung des Defektvolumens maximal 10 % ist. Die Min destgenauigkeit kann lokal (auch variierend) definiert sein.

Zur Beurteilung, wie genau bei gegebenen, ggf. optimierten, Aufnahmeparametern die geomet rischen Parameter ermittelt werden können, können auch hier beispielsweise reale und/oder si mulierte Testmessungen durchgeführt werden. Hieraus kann mit Hilfe von Monte-Carlo-Metho- den die lokale Genauigkeit der Bestimmung der geometrischen Parameter ermittelt werden. Bei simulierten Messungen kann die Eingangsgeometrie der Simulation bzw. der simulierten De fekte als Referenz bzw. Ground Truth verwendet werden. Weiterhin kann die lokale Genauigkeit anhand von Eigenschaften der Volumendaten, z. B. Rauschlevel und Auflösung, ermittelt wer den. Je größer das Rauschlevel ist, desto geringer ist typischerweise die lokale Genauigkeit der Bestimmung der geometrischen Parameter. Kleinere Defekte sind insbesondere bei einer schlechten Auflösung nur ungenau erfassbar. In einem weiteren Beispiel kann das Auswerte verfahren, beispielsweise ein künstliches neuronales Netz, darauf trainiert werden, selbst eine entsprechende Vorhersage der Zuverlässigkeit der Analyseergebnisse zu treffen.

In allen oben genannten Beispielen, können anstatt oder zusätzlich zu künstlichen neuronalen Netzen andere Verfahren der künstlichen Intelligenz bzw. des Machine Learnings eingesetzt werden, z. B., Deep Learning, Support Vector Machines, Bayes-Klassifikator, Nächste-Nach- barn-Klassifikation, Random Forest, Support Vector Machine, usw.

Weiter kann das Verfahren in einem weiteren Beispiel nach dem Schritt Ermitteln der Messda ten für das Objekt weiter den folgenden Schritt aufweisen: Optimieren des Auswerteverfahrens unter Verwendung von Messdaten, die mittels einer Messung unter Verwendung des mindes tens einen optimierten Aufnahmeparameters ermittelt wurden, als Trainingsdaten.

Diese Optimierung des Auswerteverfahrens ist nicht zu verwechseln mit der Optimierung der Aufnahmeparameter. Auf diese Weise wird das Auswerteverfahren dahingehend trainiert, Messdaten, die mit den optimierten Aufnahmeparametern aufgenommen wurden und die des wegen ihre eigenen bzw. sehr speziellen Charakteristika aufweisen können, möglichst gut aus zuwerten. Das Verfahren lernt z. B., wie Defekte in Messungen dieser Aufnahmeparameter ab gebildet werden. Dies vereinfacht es für das Verfahren zu unterscheiden, ob es sich bei einer Auffälligkeit in den Daten um einen Bildfehler, der durch die geringe Qualität der Messdaten verursacht werden kann, oder um eine reale Geometrie bzw. Eigenschaft des Bauteils handelt, z. B. um einen Defekt. Dies ermöglicht es, die Analyse trotz geringer bzw. lokal stark unter schiedlicher Datenqualitäten erfolgreich durchzuführen.

Die Optimierung des Auswerteverfahren wird üblicherweise mit Hilfe von lernfähigen Verfahren durchgeführt, die Trainingsdaten inkl. Ground Truth benötigen. Ausgangspunkt dieser Optimie rung kann ein bereits oben erläutertes Auswerteverfahren sein. Alternativ kann ein anderes Ver fahren verwendet werden, beispielsweise die oben genannten Verfahren der künstlichen Intelli genz bzw. des Machine Learning. Ergebnis der Optimierung ist ein optimiertes Auswerteverfah ren.

Diese Trainingsdaten können z. B. durch reale Messungen oder durch Simulationen erzeugt werden. Bei realen Messungen kann die Ground Truth durch eine Referenzmessung, z. B. op tisch erfasste Schliffbilder oder eine Computertomographie-Messung sehr hoher Qualität, ermit telt werden. Bei simulierten Messungen kann hier die Eingangsgeometrie der Simulation ver wendet werden.

Damit das Auswerteverfahren nicht zu sehr auf eine spezifische Messaufgabe ausgerichtet wird, können zum Beispiel Messungen des Objekts mit abweichenden bzw. nicht-optimierten Aufnahmeparamatern in den Trainingsdaten berücksichtigt werden.

Bei dem zu optimierenden Auswerteverfahren kann es sich wiederum um die im Anspruch 1 ge nannten handeln.

Vorzugsweise wird die Auswertung optimiert, die auch bereits als Grundlage bzw. als Maß für die Optimierung der Aufnahmeparameter verwendet wurde. Die Optimierung des Auswerteverfahrens bedeutet, dass das Auswerteverfahren so geändert wird, dass die Messaufgaben auf den Trainingsdaten möglichst gut erfüllt werden.

Möglichst gut erfüllen kann dabei z. B. bedeuten, dass möglichst alle Defekte erkannt werden, ohne zu viele Fehler erster und zweiter Art zu verursachen, oder dass die Grenzfläche mit mög lichst hoher Genauigkeit ermittelt werden kann.

Um eine Überanpassung, ein sogenanntes Overfitting, an die Trainingsdaten zu vermeiden, können Verfahren zur Regularisierung, z.B. Data Augmentation oder Dropout, angewendet wer den.

Um ein möglichst zielführendes Training zu ermöglichen, können im Fall der Defekterkennung Defektgeometrien bzw. Formen, Defektgrößen und Defektverteilungen in den Trainingsdaten verwendet werden, die später zusätzlich bei den zu analysierenden Objekten auftreten können. Das Wissen hierzu kann aus einer Datenbank, z. B. in Abhängigkeit vom Fertigungsprozess wie Druckguss, aus Simulationen des Fertigungsprozesses oder aus bestehenden Messungen ab geleitet werden.

Weiter können die Eigenschaften der Defekte und anderer geometrischer Eigenschaften der Objekte in den Trainingsdaten möglichst variiert werden, um eine Überanpassung der Auswer tung zu vermeiden.

Weiter kann die Optimierung von Aufnahmeparametern und Auswerteverfahren auch gleichzei tig durchgeführt werden.

Das Verfahren kann zum Beispiel weiter den folgenden Schritt aufweisen: Optimieren des Aus werteverfahrens unter Verwendung von simulierten Messdaten, die mittels einer Simulation un ter Verwendung des mindestens einen optimierten Aufnahmeparameters ermittelt wurden, als Trainingsdaten.

In diesem Beispiel können die gleichen Simulationsmethoden bzw. bereits durchgeführte Simu lationen genutzt werden, die auch im Schritt Optimieren des mindestens einen Aufnahmepara meters oder des mindestens einen optimierten Aufnahmeparameters für die mindestens eine Messaufgabe zur Optimierung der Ermittlung von Messdaten verwendet wurden.

Hierbei wird eine Durchstrahlung einer Geometrie mit definierten Aufnahmeparametern nachge bildet. Ergebnis sind meist virtuelle Durchstrahlungsbilder, die entsprechend mit den auch bei den realen Messungen verwendeten Verfahren, z. B. Rekonstruktion und Auswerteverfahren, ausgewertet werden können. Eine solche Durchstrahlungssimulation kann z. B. auf Ray-Tracing oder auf einer Bild-basierten Vorwärtsprojektion beruhen.

Gemäß einem weiteren Beispiel kann das Verfahren weiter den folgenden Schritt aufweisen: Ermitteln eines Wahrscheinlichkeitswerts mittels der Trainingsdaten, der angibt, ob das opti mierte Auswerteverfahren einen Defekt einer definierten Größe identifiziert.

Die Ermittlung des Wahrscheinlichkeitswerts kann für die gegebenen Aufnahmeparameter be stimmt werden. Weiter kann dazu ein probability of detection-Diagramm (POD-Diagramm) ver wendet werden. Dieses zeigt, in Abhängigkeit von der Größe eines Defekts, z. B. in Anzahl der Voxel oder in Defektvolumen, die Wahrscheinlichkeit für die Erkennung eines Defekts an. Diese Wahrscheinlichkeit ist für extrem kleine Defekte meist 0 und für große Defekte meist 100 %.

Wie das POD-Diagramm dazwischen verläuft, kann für eine Einschätzung verwendet werden, ob das Messsystem bzw. die gewählten Aufnahmeparameter, bzw. die Fähigkeiten der Mes sung inkl. Auswertung, für die Messaufgabe geeignet sind. Die Wahrscheinlichkeit bzw. das POD-Diagramm kann auch für unterschiedliche Bereiche der Messung lokal ermittelt werden. Ein POD-Diagramm kann für verschiedene Messmethoden, die für eine Erkennung von Defek ten im Objekt verwendet werden können, definiert werden. Ein solches POD-Diagramm kann bei der Optimierung der Aufnahmeparameter und/oder des Auswerteverfahrens als zu optimie rende Größe verwendet werden.

Es kann weiter in einem Beispiel vorgesehen sein, dass das Verfahren weiter den folgenden Schritt aufweist: Optimieren des mindestens einen Aufnahmeparameters oder des mindestens einen optimierten Aufnahmeparameters basierend auf dem optimierten Auswerteverfahren, wo bei mindestens ein weiter optimierter Aufnahmeparameter resultiert.

Vor dem Schritt Optimieren des mindestens einen Aufnahmeparameters basierend auf dem op timierten Auswerteverfahren kann eine vordefinierte Abbruchbedingung geprüft werden. Der Schritt Optimieren des mindestens einen Aufnahmeparameters basierend auf dem optimierten Auswerteverfahren wird nur dann durchgeführt, wenn die vordefinierte Abbruchbedingung nicht erfüllt ist. Wenn der Schritt Optimieren des mindestens einen Aufnahmeparameters basierend auf dem optimierten Auswerteverfahren durchgeführt wird, wird demnach das mittels der opti mierten Aufnahmeparameter optimierte Auswerteverfahren verwendet, um weiter optimierte Aufnahmeparameter zu ermitteln. Die weiter optimierten Aufnahmeparameter sind dabei in der Regel besser, als die vorher optimierten Aufnahmeparameter. Aufgrund des optimierten Aus werteverfahrens hat sich die Grundlage für die Optimierung geändert. So können z. B. die zu identifizierenden Defekte nun durch das optimierte Auswerteverfahren besser erkannt werden, was eine weitere Optimierung der Aufnahmeparameter, z. B. Verwendung von noch weniger Projektionen, ermöglicht.

Gemäß einem anderen Beispiel kann das Verfahren nach dem Schritt Optimieren des mindes tens einen Aufnahmeparameters basierend auf dem optimierten Auswerteverfahren weiter den folgenden Schritt aufweisen: Optimieren des Auswerteverfahrens oder des optimierten Auswer teverfahrens unter Verwendung von Messdaten, die mittels des mindestens einen weiter opti mierten Aufnahmeparameters ermittelt wurden, zum Ermitteln eines weiter optimierten Auswer teverfahrens.

Hierbei kann nun das optimierte Auswerteverfahren mittels der weiter optimierten Aufnahmepa rameter weiter optimiert werden. Es wird damit ein besseres Auswerteverfahren als das bereits optimierte Auswerteverfahren erhalten. Diese Optimierung kann von dem ursprünglichen Aus werteverfahren oder dem optimierten Auswerteverfahren oder einem komplett anderen Auswer teverfahren ausgehen. D.h., es können mit den weiter optimierten Aufnahmeparametern z. B. bestehende Auswerteverfahren weiter verbessert werden. Alternativ kann mit den weiter opti mierten Aufnahmeparametern ein komplett neues Auswerteverfahren verbessert werden, um zu vermeiden, dass die weitere Optimierung zu nah an den bereits optimierten Auswertungsverfah ren verbleibt, die auf einer Kurve von optimierten Auswertungsverfahren ein lokales Optimum darstellen könnten.

Weiter kann das Verfahren nach dem Schritt Optimieren des Auswerteverfahrens oder des opti mierten Auswerteverfahrens unter Verwendung des mindestens einen optimierten Aufnahmepa rameters zum Ermitteln eines weiter optimierten Auswerteverfahrens beispielsweise weiter den folgenden Schritt aufweisen: Prüfen, ob eine vordefinierte Abbruchbedingung erfüllt ist; Wenn die vordefinierte Abbruchbedingung nicht erfüllt ist: Wiederholen der Schritte Optimieren des mindestens einen Aufnahmeparameters basierend auf dem optimierten Auswerteverfahren und Optimieren des Auswerteverfahrens oder des optimierten Auswerteverfahrens unter Verwen dung von Messdaten, die mittels des mindestens einen optimierten Aufnahmeparameters ermit telt wurden, zum Ermitteln eines weiter optimierten Auswerteverfahrens bis eine vordefinierte Abbruchbedingung erfüllt ist.

Die Schritte zum Optimieren des Auswerteverfahrens mittels der optimierten Aufnahmeparame ter können iterativ durchgeführt werden. Es werden dann wechselweise weiter optimierte Auf nahmeparameter und weiter optimierte Auswerteverfahren ermittelt. Die Wiederholung wird durchgeführt bis ein Abbruchkriterium erreicht wurde, z. B. eine maximale Rechenzeit für die Dauer der Optimierung oder eine Konvergenz der zu optimierenden Aufnahmeparameter oder Auswertealgorithmen. In einem weiteren Aspekt betrifft die Erfindung ein Computerprogrammprodukt mit auf einem Computer ausführbaren Instruktionen, welche auf einem Computer ausgeführt, den Computer dazu veranlassen, das Verfahren nach der vorhergehenden Beschreibung durchzuführen.

Vorteile und Wirkungen sowie Weiterbildungen des Computerprogrammprodukts ergeben sich aus den Vorteilen und Wirkungen sowie Weiterbildungen des oben beschriebenen Verfahrens. Es wird daher in dieser Hinsicht auf die vorangegangene Beschreibung verwiesen. Unter einem Computerprogrammprodukt kann z. B. ein Datenträger verstanden werden, auf dem ein Com puterprogrammelement gespeichert ist, das für einen Computer ausführbare Instruktionen auf weist. Alternativ oder zusätzlich kann unter einem Computerprogrammprodukt beispielsweise auch ein dauerhafter oder flüchtiger Datenspeicher, wie Flash-Speicher oder Arbeitsspeicher, verstanden werden, der das Computerprogrammelement aufweist. Weitere Arten von Daten speichern, die das Computerprogrammelement aufweisen, seien damit jedoch nicht ausge schlossen.

Weitere Merkmale, Einzelheiten und Vorteile der Erfindung ergeben sich aus dem Wortlaut der Ansprüche sowie aus der folgenden Beschreibung von Ausführungsbeispielen anhand der Zeichnungen. Es zeigt:

Fig. 1 ein Flussdiagramm eines Beispiels des computerimplementierten Verfahrens.

Im Folgenden wird das computerimplementierte Verfahren zur Optimierung einer Ermittlung von Messdaten eines Objekts mit dem Referenzzeichen 100 bezeichnet, wie in Figur 1 dargestellt.

Messdaten, deren Ermittlung optimiert werden soll, werden mittels einer Messung des Objekts, zum Beispiel mittels einer Vorrichtung zur Messung des Objekts, ermittelt. Die Vorrichtung zur Messung des Objekts verwendet dabei mindestens einen Aufnahmeparameter, der eine Mess geometrie, die ein räumliches Verhältnis zwischen der Vorrichtung zur Messung des Objekts und dem Objekt beschreibt, und/oder eine Einstelloption der Vorrichtung zur Messung des Ob jekts aufweisen kann. Die auf diese Weise ermittelten Messdaten werden auf geometrische Ei genschaften des Objekts ausgewertet.

Das Verfahren 100 dient zur Optimierung der Ermittlung der Messdaten des Objekts. Dazu wird in einem ersten Schritt 102 mindestens eine Messaufgabe für das Objekt ermittelt. Die Mess aufgabe beschreibt dabei, welche Analysen auf den Messdaten durchgeführt werden sollen und welche Bereiche des Objekts analysiert werden sollen. Die Bereiche des Objekts weisen dabei geometrische Eigenschaften des Objekts an der Position der Bereiche auf. In einem weiteren Schritt 104 wird der mindestens eine Aufnahmeparameter optimiert. Die Opti mierung findet dabei für die mindestens eine Messaufgabe statt, die im Schritt 102 ermittelt wurde. D.h., dass die im Schritt 104 ermittelten Aufnahmeparameter auf die im Schritt 102 er mittelte Messaufgabe optimiert sind. Wenn Messdaten mittels des mindestens einen Aufnahme parameters aus Schritt 104 ermittelt werden, passen diese Messdaten optimal zu der Messauf gabe, um mit hoher Effizienz eine Aussage über das Objekt in Bezug auf die durchzuführenden Analysen treffen zu können.

Der Schritt 104 kann die optionalen Unterschritte 110 und 112 aufweisen. Im Unterschritt 110 wird dabei ein Satz vordefinierter Messgeometrien bereitgestellt. Die Messgeometrien dienen dabei dazu, die relative Position der Vorrichtung zur Messung des Objekts und des Objekts zu beschreiben. Wenn verschiedene Messgeometrien verwendet werden, wird das Objekt unter unterschiedlichen Relativpositionen zu der Vorrichtung zur Messung des Objekts gemessen.

Aus dem Satz vordefinierter Messgeometrien wird im Unterschritt 112 eine Untermenge basie rend auf der Messaufgabe ausgewählt. Die Untermenge des Satzes der vordefinierten Messge ometrien liefert dabei in Bezug auf die Messaufgabe optimale Messdaten, wenn diese Messge ometrien bei der Ermittlung der Messdaten durch die Vorrichtung zur Messung des Objekts ver wendet werden.

Wenn die Messung eine durchstrahlende Messung ist, die beispielsweise mittels einer axialen Computertomographie durchgeführt wird, kann zunächst die axiale Computertomographie durchgeführt bzw. simuliert werden. Anhand der als Projektionen vorliegenden Messdaten kann dann die Optimierung durchgeführt werden, um zu ermitteln, welche Projektionen für die Mess aufgabe überhaupt verwendet werden müssen. Da jede Projektion mit einer Messgeometrie verknüpft ist, die in diesem Fall eine Durchstrahlungsgeometrie ist, kann damit auf die zu ver wendenden Messgeometrien geschlossen werden. Diese Auswahl von Messgeometrien kann für weitere Messungen verwendet werden. Während der Optimierung müssen keine weiteren Messdaten ermitteln werden bzw. simuliert werden, da nur eine Auswahl getroffen wird. Auf diese Weise wird der Suchraum für die auszuwählenden Messgeometrien extrem einge schränkt, was die Durchführung der Optimierung erleichtert bzw. beschleunigt.

Der Schritt 104 kann alternativ oder zusätzlich weiter den optionalen Unterschritt 118 aufwei sen, wenn die Messaufgabe mindestens eine Defektanalyse zur Ermittlung und Analyse von möglichen Defekten im Objekt umfasst. Die Messung ist dann eine durchstrahlende Messung, die auch das innere Volumen des Objekts erfasst. Dabei wird der mindestens eine zu optimie rende Aufnahmeparameter geändert, bis in dem Objekt jeder Defekt erkannt wurde, der eine vordefinierte Mindestgröße aufweist. Die Erkennung muss dabei mit einer Wahrscheinlichkeit erfolgen, die innerhalb eines vordefinierten Wahrscheinlichkeitsintervalls für die Defekte liegt. Das Wahrscheinlichkeitsintervall kann dabei zum Beispiel so definiert sein, dass die Defekte mit einer Wahrscheinlichkeit von 70 % erkannt werden sollen. D.h. dann, dass bei 7 von 10 Analy sen gleichartiger Messdaten, die Defekte erkannt werden müssen.

Alternativ oder zusätzlich kann der Schritt 104 weiter den optionalen Unterschritt 120 aufwei sen, wenn die Messaufgabe mindestens eine Defektanalyse zur Ermittlung und Analyse von möglichen Defekten im Objekt umfasst. Die Messung ist dann eine durchstrahlende Messung, die auch das innere Volumen des Objekts erfasst. In diesem Unterschritt wird der mindestens eine Aufnahmeparameter so lange geändert, bis geometrische Parameter der Defekte im Ob jekt mit einer vordefinierten Mindestgenauigkeit für Defekte ermittelt wurden. Die Ermittlung der vordefinierten Mindestgenauigkeit muss dabei mit einer Wahrscheinlichkeit erfolgen, die inner halb eines vordefinierten Wahrscheinlichkeitsintervalls für die geometrischen Parameter liegt.

So kann zum Beispiel für die geometrischen Parameter gefordert sein, dass die geometrischen Parameter mit einer Wahrscheinlichkeit von 90 % mit der Mindestgenauigkeit erkannt wurden.

In diesem Fall müssen 9 von 10 Analysen gleichartiger Messdaten die geometrischen Parame ter mit dieser Mindestgenauigkeit erkennen.

Weiterhin kann der Schritt 104 alternativ oder zusätzlich den optionalen Unterschritt 122 aufwei sen, bei dem der mindestens eine Aufnahmeparameter geändert wird, bis Grenzflächen im Ob jekt mit einer vordefinierten Mindestgenauigkeit für Grenzflächen ermittelt wurden. Die Ermitt lung der Grenzflächen mit einer vordefinierten Mindestgenauigkeit muss dabei mit einer Wahr scheinlichkeit durchgeführt werden, die innerhalb eines vordefinierten Wahrscheinlichkeitsinter valls für Grenzflächen liegt. Das Wahrscheinlichkeitsintervall für Grenzflächen kann dabei bei spielsweise so definiert sein, dass die Grenzflächen mit einer Wahrscheinlichkeit von 85 % mit der Mindestgenauigkeit erkannt werden. D.h., dass zum Beispiel bei 17 von 20 Analysen gleich artiger Messdaten die Position der Grenzfläche mit der Mindestgenauigkeit erkannt wurde.

Weiter weist das Verfahren 100 den Schritt 106 auf, in welchem Messdaten für das Objekt er mittelt werden. Die Messdaten werden dabei unter Verwendung des mindestens einen optimier ten Aufnahmeparameters ermittelt. Dies kann bedeuten, dass im Vergleich zu den nicht opti mierten Aufnahmeparametern lediglich bestimmte Messgeometrien verwendet werden, um die Messdaten zu ermitteln.

Weiter kann das Verfahren 100 einen optionalen Schritt 114 aufweisen, in dem aus den im Schritt 106 ermittelten Messdaten eine digitale dreidimensionale Objektdarstellung ermittelt wird. Dies kann zum Beispiel dann erfolgen, wenn die Messdaten mittels einer durchstrahlen den Messung ermittelt wurden. Aus den als Durchstrahlungsbilder vorliegenden Messdaten, die in der Regel Projektionen des Objekts sind, können dann mittels tomographischer Berechnun gen Volumendaten ermittelt werden.

In einem weiteren Schritt 108 kann die mindestens eine Messaufgabe für das Objekt auf Basis der ermittelten Messdaten aus Schritt 106 durchgeführt werden. Wenn das Verfahren 100 den optionalen Schritt 114 aufweist, weist der Schritt 108 den optionalen Unterschritt 116 auf. Im Unterschritt 116 wird die digitale Objektdarstellung auf Basis der Messaufgabe analysiert.

Mit dem mindestens einen optimierten Aufnahmeparameter kann die Anzahl der Messungen soweit reduziert werden, dass die Messaufgabe gerade so mit ausreichender Aussagekraft durchgeführt werden kann. Auf diese Weise kann die Zeit für die ansonsten zusätzlich anfallen den Messungen, mit denen die Aussagekraft der durchgeführten Messaufgabe lediglich unwe sentlich oder nicht erhöht werden würde, gespart werden und die Messaufgabe inklusive der Er mittlung der Messdaten zeiteffizienter durchgeführt werden.

Nach dem Schritt 106 und in diesem Beispiel vor dem Schritt 108 kann das Verfahren 100 wei ter den optionalen Schritt 124 aufweisen. In diesem optionalen Schritt wird das Auswerteverfah ren, das in der Messaufgabe definiert wird, unter Verwendung von Messdaten optimiert, die mit tels der Verwendung des mindestens einen optimierten Aufnahmeparameters ermittelt wurden. Der mindestens eine optimierte Aufnahmeparameter wird in diesem optionalen Schritt dazu ver wendet, Messdaten zu ermitteln. Diese Messdaten sind aufgrund der Optimierung des mindes tens einen Aufnahmeparameters von besserer Qualität als Messdaten, die ohne eine Optimie rung des mindestens einen Aufnahmeparameters ermittelt wurden.

Diese Messdaten besserer Qualität werden dann dazu verwendet, das Auswerteverfahren zu optimieren.

In einem weiteren optionalen Schritt 126 kann das Verfahren 100 das Auswerteverfahren mit simulierten Messdaten optimieren. Die Simulation der Messdaten erfolgt dabei mittels des min destens einen optimierten Aufnahmeparameters. Auch in diesem Fall werden optimalere Mess daten ermittelt als ohne Optimierung des Aufnahmeparameters. Auch diese Messdaten weisen damit eine höhere Qualität auf als die ohne Optimierung des Aufnahmeparameters ermittelten Messdaten. Sie können daher dazu verwendet werden, das Auswerteverfahren zu optimieren. Sowohl im Schritt 124 als auch im Schritt 126 werden die mit dem mindestens einen optimierten Aufnahmeparameter ermittelten Messdaten als Trainingsdaten für die Optimierung des Auswer teverfahrens verwendet.

In einem weiteren optionalen Schritt 128 des Verfahrens 100 wird mittels der Trainingsdaten ein Wahrscheinlichkeitswert ermittelt. Dieser Wahrscheinlichkeitswert gibt an, ob das optimierte Auswerteverfahren einen Defekt einer definierten Größe identifiziert. D.h., es wird geprüft, ob das optimierte Auswerteverfahren eine Mindestanforderung für die Ermittlung von Defekten im Objekt erfüllt. Vorzugsweise ist die Messung, die für die Ermittlung der Messdaten verwendet wird, eine durchstrahlende Messung.

Das optimierte Auswerteverfahren kann in einem weiteren optionalen Schritt 130 des Verfah rens 100 dazu verwendet werden, den mindestens einen Aufnahmeparameter zu optimieren. D.h. das mit dem ursprünglichen mindestens einen Aufnahmeparameter optimierte Auswerte verfahren wird nun wiederum dazu verwendet, den mindestens einen Aufnahmeparameter zu optimieren. Dabei kann mindestens ein beliebiger Aufnahmeparameter optimiert werden. Dies kann der ursprünglich verwendete Aufnahmeparameter sein. Alternativ kann dies der bereits optimierte Aufnahmeparameter oder ein in diesem Verfahren 100 bisher nicht verwendeter Auf nahmeparameter sein. Da aufgrund des optimierten Auswerteverfahrens die ermittelten Mess daten weiter verbessert werden können, können auch die Aufnahmeparameter weiter optimiert werden, um gegebenenfalls die Anzahl der benötigten Messgeometrien für die Durchführung der Messaufgabe zu reduzieren.

Für die Optimierung der Aufnahmeparameter können simulierte oder reale Messdaten verwen det werden, die z. B. für die Optimierung des Auswertealgorithmus bereits zur Verfügung ste hen und umgekehrt. Damit kann die Rechenzeit weiter reduziert werden.

In einem weiteren optionalen Schritt 132 kann nun wieder das Auswerteverfahren oder das opti mierte Auswerteverfahren optimiert werden. Dabei werden Messdaten verwendet, die mittels des weiter optimierten Aufnahmeparameters ermittelt wurden. Dies führt zu einer weiteren Ver besserung des mindestens einen Aufnahmeparameters für die Vorrichtung zur Messung des Objekts in Bezug auf die durchzuführende Messaufgabe.

Um eine erfolgreiche Auswertung mit dem Auswerteverfahren durchführen zu können, wenn nur wenige Durchstrahlungsbilder vorliegen, kann Vorwissen über die Nominalgeometrie des Ob jekts in der Rekonstruktion, d. h. bei der Ermittlung der dreidimensionalen digitalen Objektdar stellung, verwendet werden. Ein z. B. iteratives Rekonstruktionsverfahren kann in diesem Bei spiel schneller bzw. besser zu einem korrekten Ergebnis konvergieren. Weiter können aus einer Simulation einer Messung der Nominalgeometrie oder aus einer Mittelung von bereits durchge führten Messungen von Objekten gleicher Nominalgeometrie eine Referenz erzeugt werden.

Um eine Analyse, z. B. eine Defektanalyse, durchzuführen bzw. zu erleichtern, können die, zum Beispiel zwei- und/oder dreidimensionalen Messdaten des zu untersuchenden Messobjekts mit der Referenz verglichen werden.

Weiter kann das Auswerteverfahren berücksichtigten, welche Stelle im gemessenen Objekt ge rade ausgewertet wird. Auf diese Weise kann Wissen über lokale Eigenschaften des Objekts hinsichtlich der Messgeometrie berücksichtigt werden. Dieses Wissen kann in einem Bereich beschreiben, dass dort mit höherem Rauschen zu rechnen ist, so dass bei der Identifizierung von Defekten ein konservatives Vorgehen verwendet werden soll, um fehlerhafte Identifizierun gen zu vermeiden.

In einem weiteren optionalen Schritt 134 wird geprüft, ob eine vordefinierte Abbruchbedingung in Bezug auf die Optimierung der Auswerteverfahren erfüllt ist. Eine Abbruchbedingung kann zum Beispiel fordern, dass mit den optimierten Auswerteverfahren und den optimierten Aufnah meparametern Messdaten in genügend kurzer Zeit ermittelt werden können, um eine Zeiter sparnis zu erreichen, ohne Abstriche bei der Qualität der Auswertung zu machen. Eine Ab bruchbedingung kann jedoch auch anders definiert sein.

Wenn die vordefinierte Abbruchbedingung erfüllt ist, kann mit dem Schritt 108 fortgefahren wer den. Wenn die vordefinierte Abbruchbedingung nicht erfüllt ist, können in einem weiteren optio nalen Schritt 136 des Verfahrens 100 die Schritte 130 und 132 so lange wiederholt werden, bis die vordefinierte Abbruchbedingung erfüllt ist. Auf diese Weise kann iterativ eine Optimierung der Auswerteverfahren und der Aufnahmeparameter durchgeführt werden.

Die in diesem Beispiel beschriebene Reihenfolge der Schritte kann beliebig, soweit vernünftig ausführbar, verändert werden.

Das computerimplementierte Verfahren 100 kann mittels eines Computerprogrammprodukts auf einem Computer ausgeführt werden. Das Computerprogrammprodukt weist dabei auf einem Computer ausführbaren Instruktionen auf. Wenn diese Instruktionen auf einem Computer aus geführt werden, veranlassen sie den Computer dazu, das Verfahren durchzuführen.

Die Erfindung ist nicht auf eine der vorbeschriebenen Ausführungsformen beschränkt, sondern in vielfältiger Weise abwandelbar. Sämtliche aus den Ansprüchen, der Beschreibung und der Zeichnung hervorgehenden Merkmale und Vorteile, einschließlich konstruktiver Einzelheiten, räumlicher Anordnungen und Verfahrensschritten, können sowohl für sich als auch in den ver schiedensten Kombinationen erfindungswesentlich sein.